CatBoost模型在水深反演中的应用

在多光谱遥感水深反演研究中,由于影响反演精度的因素较多,传统的水深反演模型具有一定局限性。机器学习算法在解决非线性高复杂问题上较有优势,将其应用在某些特定区域水深反演可提高反演精度。本文利用Sentinel-2多光谱遥感影像和LiDAR测深数据,以瓦胡岛为研究区域,构建CatBoost水深反演模型,与传统水深反演模型及Boosting中的XGBoost和LightGBM模型的反演精度进行比较。试验结果表明,经过参数优化后的CatBoost水深反演模型的决定系数、均方根误差、平均绝对误差和平均相对误差分别为96.19%、1.09 m、0.77 m和9.61%,准确性最高,效果更佳。     

基于CatBoost和XGBoost组合模型的水深反演

为获取高精度的水深信息以满足海洋研究各领域的需要,提出一种CatBoost和XGBoost模型组合的水深反演模型。选取Sentinel-2A卫星遥感数据,以瓦胡岛为研究区域,引入CatBoost和XGBoost模型,对二者进行线性组合,构建CatBoost-XGBoost组合模型。实验结果表明：组合模型的决定系数、均方根误差、平均绝对误差以及平均相对误差分别为95.32%、1.29 m、0.86 m、20.51%,与单一模型相比,组合模型的水深反演精度有一定提高。